- TF之DD：实现输出Inception模型内的某个卷积层或者所有卷积层的形状 目录 输出结果 整体思路架构 实现(部分)代码 输出结果 整体思路架构 实现(部分)代码 #TF之DD：实现输出Inception模型内的某个卷积层或者所有卷积层的形状# 导入要用到的基本模块。from __future__ import print... TF之DD：实现输出Inception模型内的某个卷积层或者所有卷积层的形状 目录 输出结果 整体思路架构 实现(部分)代码 输出结果 整体思路架构 实现(部分)代码 #TF之DD：实现输出Inception模型内的某个卷积层或者所有卷积层的形状# 导入要用到的基本模块。from __future__ import print...
- TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable 目录 输出结果 代码设计 输出结果 代码设计 # tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Variable。Tenso... TF之RNN：TF的RNN中的常用的两种定义scope的方式get_variable和Variable 目录 输出结果 代码设计 输出结果 代码设计 # tensorflow中的两种定义scope(命名变量)的方式tf.get_variable和tf.Variable。Tenso...
- 请不要随意复制粘贴，请尊重本博主，千辛万苦的总结心血，谢谢您的支持！ 建议收藏，一直更新！！！！！ 切记：要想学好机器学习，一定要看原汁原味的论文！！！！ 目录 1967《Nearest Neighbor Pattern Classification 》 2005《Histograms of Oriented Gradients for Human Detec... 请不要随意复制粘贴，请尊重本博主，千辛万苦的总结心血，谢谢您的支持！ 建议收藏，一直更新！！！！！ 切记：要想学好机器学习，一定要看原汁原味的论文！！！！ 目录 1967《Nearest Neighbor Pattern Classification 》 2005《Histograms of Oriented Gradients for Human Detec...
- DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio... DL之CNN优化技术：学习卷积神经网络CNN的优化、调参实践、从代码深刻认知CNN架构之练习技巧 目录 卷积神经网络CNN调参学习实践 练习技巧 1、练习攻略一 2、VGG16练习攻略二 卷积神经网络CNN调参学习实践 DL之CNN：利用卷积神经网络算法(2→2,基于Keras的API-Functio...
- ML岗位面试：10.24下午—上海某软件公司(机器学习，上市)电话面试—考察SVM、逻辑回归、降低过拟合、卷积网络基础等 导读：当时电话来的非常快，我刚做完一家公司的笔试，接着来了电话的技术面试。 电话面试考点 博主今天中午15点~17点，有家科技公司的在线笔试，... ML岗位面试：10.24下午—上海某软件公司(机器学习，上市)电话面试—考察SVM、逻辑回归、降低过拟合、卷积网络基础等 导读：当时电话来的非常快，我刚做完一家公司的笔试，接着来了电话的技术面试。 电话面试考点 博主今天中午15点~17点，有家科技公司的在线笔试，...
- 还记得我们上次讲到识别图片的神经网络吗？上次我们借助TensorFlow来完成了对图片的识别，对神经网络的工作原理也有所了解了，那么我们今天来尝试一下，从零开始，自己搭建一个简单的神经网络如何？ ok，如果你的回答是"好"，那我们就继续往下看，如果你的回答是"不好"，那我们今天到这里就结束了。 回答"好"的同学，那我们就开始往下看了： ... 还记得我们上次讲到识别图片的神经网络吗？上次我们借助TensorFlow来完成了对图片的识别，对神经网络的工作原理也有所了解了，那么我们今天来尝试一下，从零开始，自己搭建一个简单的神经网络如何？ ok，如果你的回答是"好"，那我们就继续往下看，如果你的回答是"不好"，那我们今天到这里就结束了。 回答"好"的同学，那我们就开始往下看了： ...
- 浅谈SSIM 损失函数计算 前言Structural Similarity亮度相似性对比度相似性结构相似度SSIM 实现 总结 前言 最近研究图像重建老是看到SSIM损失函数，但是去找了那篇论文《Image Quality Assessment: From Error Visibility to Structural Similarity》挺有意思的... 浅谈SSIM 损失函数计算 前言Structural Similarity亮度相似性对比度相似性结构相似度SSIM 实现 总结 前言 最近研究图像重建老是看到SSIM损失函数，但是去找了那篇论文《Image Quality Assessment: From Error Visibility to Structural Similarity》挺有意思的...
- 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事... 来源：Medium 编译：weakish 编者按：Dave Smith使用Excel电子表格深入浅出地讲解了卷积神经网络（CNN）是如何识别人脸的。 当你入门的时候，可能觉得机器学习很复杂……甚至很可怕。另一方面，电子表格却很简单。电子表格并不酷炫，但却能避免分散你的注意力，同时帮助你以直观的方式可视化代码后面发生的事...
- 这是针对于博客vs2017安装和使用教程（详细）和vs2019安装和使用教程（详细）的VGG19-CIFAR10项目新建示例 目录 一、代码(附有重要的注释) 二、项目结构 三、VGG简介 四、程序执行关键部分解析 五、训练过程和结果 六、参考博客和文献 一、代码(附有重要的注释) 1.博主提供的代码包含了很多重要的注释，都是博主精心查阅资料和debug... 这是针对于博客vs2017安装和使用教程（详细）和vs2019安装和使用教程（详细）的VGG19-CIFAR10项目新建示例 目录 一、代码(附有重要的注释) 二、项目结构 三、VGG简介 四、程序执行关键部分解析 五、训练过程和结果 六、参考博客和文献 一、代码(附有重要的注释) 1.博主提供的代码包含了很多重要的注释，都是博主精心查阅资料和debug...
- 通过网络调制实现高效的视频对象分割 项目地址：https://github.com/linjieyangsc/video_seg 摘要 当仅给出带注释的第一帧时，视频对象分割目标在整个视频序列中对特定对象进行分段。 最近基于深度学习的方法发现使用数百次梯度下降迭代来微调注释帧上... 通过网络调制实现高效的视频对象分割 项目地址：https://github.com/linjieyangsc/video_seg 摘要 当仅给出带注释的第一帧时，视频对象分割目标在整个视频序列中对特定对象进行分段。 最近基于深度学习的方法发现使用数百次梯度下降迭代来微调注释帧上...
- Neural Network(神经网络) 人工智能 > 机器学习(以大数据为基础) > 神经网络 监督学习/非监督学习/强化学习/迁移学习 传统模型 &nbs... Neural Network(神经网络) 人工智能 > 机器学习(以大数据为基础) > 神经网络 监督学习/非监督学习/强化学习/迁移学习 传统模型 &nbs...
- 承接上一篇：PyTorch 入门实战（三）——Dataset和DataLoader PyTorch入门实战 1.博客：PyTorch 入门实战（一）——Tensor 2.博客：PyTorch 入门实战（二）——Variable 3.博客：PyTorch 入门实战（三）——Dataset和DataLoader 4.博客：PyTorch 入门实战（四）——利用Tor... 承接上一篇：PyTorch 入门实战（三）——Dataset和DataLoader PyTorch入门实战 1.博客：PyTorch 入门实战（一）——Tensor 2.博客：PyTorch 入门实战（二）——Variable 3.博客：PyTorch 入门实战（三）——Dataset和DataLoader 4.博客：PyTorch 入门实战（四）——利用Tor...
- 博主相关代码实现链接：利用Pytorch和TensorFlow分别实现DCGAN生成动漫头像 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 摘要 近年来，使用卷积神经网络的监督学习被大量应用于计算机视觉应用中。相对地，使用卷积神... 博主相关代码实现链接：利用Pytorch和TensorFlow分别实现DCGAN生成动漫头像 Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks 摘要 近年来，使用卷积神经网络的监督学习被大量应用于计算机视觉应用中。相对地，使用卷积神...
- 浅谈Transfomer代码原理解读 前言Transformer架构Input Embedding and Output EmbeddingEmbeddingPositional Embedding Encoder and decoderMuti-Head-AttentionSelf Attention什么是查询向量(query )、键向量(key )和值向... 浅谈Transfomer代码原理解读 前言Transformer架构Input Embedding and Output EmbeddingEmbeddingPositional Embedding Encoder and decoderMuti-Head-AttentionSelf Attention什么是查询向量(query )、键向量(key )和值向...
- 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人... 今天给大家带来的是卷积神经网络，听上去是不是挺高大上的？它还有个更响亮的名字CNN，谈到CNN应该好多同学都略知一二吧，CNN在做图像识别上有着很出色的效果，那我们今天对卷积神经网络一探究竟吧！ 卷积神经网络，CNN（Convolutional Neural Network），属于深度学习技术的一种算法，主要是进行特征学习，通过分层网络获取分层次的特征信息去解决人...
上滑加载中
推荐直播
-
香橙派AIpro的远程推理框架与实验案例2025/07/04 周五 19:00-20:00
郝家胜 -华为开发者布道师-高校教师
AiR推理框架创新采用将模型推理与模型应用相分离的机制，把香橙派封装为AI推理黑盒服务，构建了分布式远程推理框架，并提供多种输入模态、多种输出方式以及多线程支持的高度复用框架，解决了开发板环境配置复杂上手困难、缺乏可视化体验和资源稀缺课程受限等痛点问题，真正做到开箱即用，并支持多种笔记本电脑环境、多种不同编程语言，10行代码即可体验图像分割迁移案例。
回顾中 -
鸿蒙端云一体化应用开发2025/07/10 周四 19:00-20:00
倪红军 华为开发者布道师-高校教师
基于鸿蒙平台终端设备的应用场景越来越多、使用范围越来越广。本课程以云数据库服务为例，介绍云侧项目应用的创建、新建对象类型、新增存储区及向对象类型中添加数据对象的方法，端侧（HarmonyOS平台）一体化工程项目的创建、云数据资源的关联方法及对云侧数据的增删改查等操作方法，为开发端云一体化应用打下坚实基础。
即将直播
热门标签